《表1 高德交通数据集预测误差比较表》
本文实验选择的比较算法有支持向量回归(SVR)、前馈神经网络(FNN)和普通循环神经网络(RNN),其中SVR采用RBF核函数,各神经网络的参数与训练方法与LSTM保持一致,近历史时刻数量为12。神经网络模型以30次运行的均值为最终结果,4种算法在高德交通数据集和出租车GPS轨迹数据集的预测误差见表1和表2。
图表编号 | XD00100250600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 阎嘉琳、向隆刚、吴华意、孙尚宇 |
绘制单位 | 武汉大学测绘遥感信息工程国家重点实验室、武汉大学测绘遥感信息工程国家重点实验室、武汉大学地球空间信息技术协同创新中心、武汉大学测绘遥感信息工程国家重点实验室、武汉大学地球空间信息技术协同创新中心、武汉大学测绘遥感信息工程国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |